Joost Huizinga看著(zhù)六條腿的“蜘蛛機器人”，他在電腦屏幕上創(chuàng )造了天窗。起初，當它試圖吞噬表示食物的綠色金字塔時(shí)，它會(huì )搖擺不定地走路。人造節肢動(dòng)物做了一些成功的嘗試，包圍了一些金字塔并使它們消失。但是，在追求食物的短暫時(shí)間之后，蜘蛛失去了平衡，最終在它背上并且連著(zhù)。
這是一只未被解決的蜘蛛，”Huizinga搖搖頭說(shuō)道。“它落在它背上，像烏龜一樣無(wú)助。它必須首先(學(xué)會(huì ))走路。“
來(lái)自荷蘭的華盛頓大學(xué)博士生Huizinga于1月份來(lái)到懷俄明大學(xué)，與計算機科學(xué)系的華盛頓大學(xué)副教授Jeff Clune一起進(jìn)行研究 。Huizinga正在研究如何以與動(dòng)物大腦組織方式更相似的方式發(fā)展計算機大腦。具體來(lái)說(shuō)，他正在努力弄清楚進(jìn)化如何在動(dòng)物大腦的布線(xiàn)中產(chǎn)生關(guān)鍵屬性 - 即為什么動(dòng)物(包括人類(lèi))進(jìn)化成具有規則，等級和模塊化組織的大腦。
“我的研究目標是研究模塊化和規律性，”Huizinga在UW工程大樓不斷發(fā)展的人工智能實(shí)驗室中說(shuō)。“兩者都是分別研究過(guò)的。我的目標是將它們結合起來(lái)。“
模塊化意味著(zhù)大腦由先天的，神經(jīng)結構或模塊組成，這些結構或模塊具有獨特的，已建立的進(jìn)化發(fā)展的功能。規律性是指大腦中重復出現的模式。Huizinga希望他的模型能夠模仿兩者。
提高直覺(jué)
Huizinga說(shuō)，在大多數使用計算機或人工腦的研究中，創(chuàng )建神經(jīng)網(wǎng)絡(luò )是為了完成一項任務(wù)并以“非常糾結的方式”解決它。
“一切(在計算機大腦中)都是同時(shí)關(guān)聯(lián)的，”他解釋道。“如果你想要它識別條紋立方體，它會(huì )處理'條紋'和'立方體'。它無(wú)法區分'立方體'。如果你給它一個(gè)有斑點(diǎn)的立方體，它就不會(huì )認出它是一個(gè)立方體。“
為了糾正這種混亂的思維過(guò)程，Huizinga繼續研究人造大腦具有模塊的模型，這意味著(zhù)大腦的分裂方式與人類(lèi)或動(dòng)物的大腦功能類(lèi)似。因此，在條紋立方體的示例中，將有單獨的模塊分別識別模式和立方體。
“那樣，當模型有一個(gè)有斑點(diǎn)的立方體時(shí)，它已經(jīng)知道立方體是什么，然后可以區分顏色模式，”Huizinga說(shuō)。“擁有一個(gè)模塊可以讓你在大腦的某個(gè)位置或位置有一個(gè)功能。”
為了創(chuàng )造這種模塊性，Huizinga將“連接成本”應用于人工大腦。簡(jiǎn)而言之，人工大腦因從大腦最左側到最右側的很長(cháng)連接而受到懲罰。他說(shuō)，保持連接更短可以更容易在人工大腦中創(chuàng )建更多模塊，因此可以實(shí)現更多功能。
他說(shuō)：“當我們選擇那些能夠生存并且不會(huì )進(jìn)入下一代的人時(shí)，我們會(huì )考慮這些連接成本及其在實(shí)際任務(wù)中的表現。”
模型中的規律性將通過(guò)程序中使用的人工DNA發(fā)展。為了產(chǎn)生這種規律性，他使用的DNA比大腦中的連接和神經(jīng)元的基因少得多。因此，必須重用信息，創(chuàng )建規則模式。
“在這種情況下，我們將DNA定義為基本上是如何構建人類(lèi)或動(dòng)物大腦的代碼，”Huizinga說(shuō)。
Huizinga認為機器人在未來(lái)扮演著(zhù)更重要的角色。在最基本的層面上，他設想用于收集各種地形垃圾的機器人。他說(shuō)，在更先進(jìn)的水平上，機器人可以用于拉勒米山脈中滯留的徒步旅行者的搜索和救援任務(wù)。
“因為我們擁有這種模塊化，我們可以在這些模塊的基礎上發(fā)展并演化這種單一的(人造的)大腦，并隨著(zhù)時(shí)間的推移將其演變?yōu)楦鼜碗s，”他說(shuō)。“最終，機器人將擁有更多的自主權。”
例如，他推測這種自治對于未來(lái)的月球太空探索或火星探測至關(guān)重要。Huizinga指出NASA在2003年開(kāi)始在火星上使用的小型探測車(chē)，有時(shí)難以駕駛不平坦的地形。在一個(gè)例子中，被稱(chēng)為“精神”的流浪者被困在一個(gè)柔軟的沙地區域。在其他事件中，“精神”和“機遇”都經(jīng)歷了有限的太陽(yáng)能，使得它們在肆虐的沙塵暴期間幾乎不起作用。
“他們(流浪者)經(jīng)常失敗，因為他們錯過(guò)了我們在高等級動(dòng)物身上發(fā)現的意識，”Huizinga說(shuō)。
“比較動(dòng)物可以踩踏的地方和機器人可以去的地方，”克魯恩說(shuō)。“動(dòng)物在天空中翱翔，穿過(guò)茂密的森林檐篷，攀登山脈，在崎嶇的地形上奔跑，在地球上挖洞，在湍急的水中游泳。我們的機器人幾乎無(wú)法在完全平坦的地板上走動(dòng)。“
他繼續說(shuō)道，“另外，考慮動(dòng)物可以進(jìn)行的行為范圍(尋找食物，筑巢，追逐和避免追逐等)。如果我們想要能夠撲滅森林火災的機器人，在自然災害后找到幸存者，或者為了清理我們的房屋，我們需要他們展示天然動(dòng)物的敏捷性和驚人的學(xué)習能力。“
并行性能
為了改善他的模型的功能，以及最終他的蜘蛛機器人，Huizinga通過(guò)Mount Moran運行他的程序，這是UW的高性能計算集群，在懷俄明州西部Tetons的一座山峰之后綽號。
Mount Moran 使大氣科學(xué)和地球科學(xué)系的教師能夠使用NCAR-懷俄明超級計算中心(NWSC)來(lái)學(xué)習他們對軟件的期望。該集群為該組教師提供了解決由于將并行算法從數十個(gè)或數百個(gè)處理器擴展到數千個(gè)處理器而導致的問(wèn)題的機會(huì )，然后在NWSC上移動(dòng)到數萬(wàn)個(gè)處理器。
該集群還為任何UW研究教員提供研究資源 - 例如生物信息學(xué)家，社會(huì )科學(xué)家，純數學(xué)家和理論物理學(xué)家 - 他們有一個(gè)復雜的問(wèn)題，或者他們的研究不屬于NWSC的范圍。
此外，歡迎威斯康星大學(xué)的學(xué)生使用高性能計算中心進(jìn)行工作，這通常與威斯康星大學(xué)的教師合作。
“Joost，他自己，可能已經(jīng)在Mount Moran使用了數千小時(shí)的計算，”Clune說(shuō)。“我的猜測是，自成立以來(lái)，他可能是Mount Moran的頂級用戶(hù)之一。”
最初，Huizinga探討了他在阿姆斯特丹VU大學(xué)的領(lǐng)域是否有任何博士學(xué)位。幾個(gè)月后，Huizinga說(shuō)他的教師顧問(wèn)Everet Haasdijk是Clune的朋友，他給Huizinga寫(xiě)了一封推薦信。
“我實(shí)際上首先申請與Clune博士合作，然后申請到威斯康星大學(xué)，”Huizinga說(shuō)。
Huizinga與Clune合作，他說(shuō)他已經(jīng)學(xué)會(huì )以比他在荷蘭的教授經(jīng)歷的更為前瞻的方式展示他的研究。
“他在我們的領(lǐng)域掌握了他的概念問(wèn)題，而且他在技術(shù)上很有天賦，允許他快速編寫(xiě)我們所擁有的任何實(shí)驗性想法以進(jìn)行測試，”Clune對Huizinga說(shuō)。“他對我們正在調查的想法充滿(mǎn)熱情，并且在不到一年的時(shí)間里，已經(jīng)產(chǎn)生了我們目前正在撰寫(xiě)出版的有趣結果。”
“我確實(shí)知道我想留在學(xué)術(shù)界，所以我想進(jìn)入研究或攻讀博士后學(xué)位，”Huizinga說(shuō)。“我還沒(méi)有決定是留在美國還是去荷蘭。”
Huizinga在電腦屏幕上簡(jiǎn)短地瞥了一眼他的蜘蛛機器人并提到它不僅要學(xué)會(huì )獲取食物，還要學(xué)習如何避開(kāi)掠食者。當然，在學(xué)會(huì )走路之后。
“人類(lèi)(大腦)是最終目標，”Huizinga談到他的研究。“此時(shí)此刻，如果我們能擁有(人造的)獵豹大腦，我們會(huì )非常高興?，F在，我們略高于蒼蠅。